xiaohongshu-ai-workbench fonctionne-t-il ?

Oui. xiaohongshu-ai-workbench fonctionne. Argusic l'a installé et lancé sur une machine propre en 2 minutes, en rencontrant 0 erreur en route, et a enregistré la session.

Comment Argusic a-t-il testé xiaohongshu-ai-workbench ?

Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 7c1705d28a95. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.

Combien a coûté le test de xiaohongshu-ai-workbench ?

L'exécution qui a produit ce verdict a coûté 0,04 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.

Combien de temps faut-il pour installer xiaohongshu-ai-workbench ?

1,5 minute lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.

xiaohongshu-ai-workbench a-t-il besoin d'un GPU ?

Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.

Qu'est-ce qui pose problème lors de l'installation de xiaohongshu-ai-workbench ?

Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.

Où sont les preuves pour xiaohongshu-ai-workbench ?

L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.

Original en anglais: https://argusic.com/subject/xiaohongshu-ai-workbench

xiaohongshu-ai-workbench

《小红书运营手册 · AI工作台》: compétences Codex gratuites pour les opérations Xiaohongshu

Fonctionnesource : GitHubPythonMITcommit 7c1705d28a95

Python, sous licence MIT. Le projet se décrit ainsi : ai tools, chinese, codex skill, content marketing et xiaohongshu.

xiaohongshu-ai-workbench fonctionne. Un agent Argusic l'a installé en 1,5 minute et n'a rencontré aucune erreur sur une machine propre sans GPU, et toute la session a été enregistrée.

All 7 skills pass validation, package correctly to .skill files, install into ~/.codex/skills/ and ~/.codex/skills/.system/, and are recognized by Codex CLI which loads the SKILL.md instructions and generates output matching the specified format.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré

Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).

En un coup d'œil

verdict: Fonctionne
Score Argusic: 100 / 100
coût de l'exécution de vérification: 0,04 USD (mesuré)
exécutions enregistrées: 1
dernier test: 2026-10-17
étoiles: 615
forks: 53
issues ouvertes: 1
observateurs: 1
taille: 0 MB
créé le: 2026-07-13
dernier push: 2026-08-07

Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le 2026-11-04. Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.

Ce qui a été mesuré

Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.

Temps d'installation: 2 minutes
De la machine vierge à la fin: 2 minutes
Erreurs rencontrées et corrigées: 0 rencontrée, 0 corrigée sans aide humaine
Comment le résultat a été prouvé: python3 scripts/validate_all.py returned 'OK: all xiaohongshu skills validated' (exit 0) and codex exec with xiaohongshu-title skill generated 12 groups × 2 titles = 24 properly formatted Xiaohongshu titles from an LLM
Tokens de modèle utilisés: 55 815
Commit exact testé: 7c1705d28a95
Image de conteneur: sha256:cdd920bce783

Ce qui n'a pas été mesuré

L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.

Pic de mémoire GPU: cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
Comportement sur une longue durée: chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge

La fin de l'enregistrement

Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.

import subprocess
subprocess.run(['python3', 'scripts/package_all.py'], cwd='/work/repo', capture_output=True)
subprocess.run(['python3', 'scripts/validate_all.py'], cwd='/work/repo', capture_output=True)
elapsed = time.time() - start
print(f'{elapsed:.1f}')
\"" in /work/repo
 succeeded in 0ms:
0.1
Here is the final result:
tokens used
55,815
Here is the final result:

Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.

Comment le test a été mené

Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.

Points forts et limites

Des faits mesurés, pas des opinions. Comment ce site est rédigé.

Ce qui s'est bien passé

A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
Installé en 1,5 minute, plus vite que la médiane des 26 projets comparables mesurés par Argusic.
Rien n'a cassé en route : zéro erreur entre le clone et le fonctionnement.
A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
Sous licence MIT, selon son hébergeur.

Ce qui ne s'est pas bien passé, ou n'est pas connu

Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.

Sur les 27 projets ai-tools qu'Argusic a installés et chronométrés, xiaohongshu-ai-workbench a été le 4e plus rapide à atteindre un état de fonctionnement, et 17 sur 27 en ont atteint un.

Pour quoi c'est un choix raisonnable

L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
Une évaluation rapide : il fonctionnait 1,5 minute après le clone.
Suivre son propre README : la procédure documentée a fonctionné sans rien à corriger.

Également testés, dans le même domaine

Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.

Historique des exécutions

testé par	tentative	résultat	score	coût USD	date
Argusic Runner	1/3	Fonctionne	100,00	0,04	2026-10-17 16:18 UTC

Sujets (depuis GitHub)

ai-tools chinese codex-skill content-marketing xiaohongshu

Intégrer le badge

Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.

[![Tested by Argusic](https://argusic.com/badge/xiaohongshu-ai-workbench.svg)](https://argusic.com/subject/xiaohongshu-ai-workbench)

Questions

xiaohongshu-ai-workbench fonctionne-t-il ?: Oui. xiaohongshu-ai-workbench fonctionne. Argusic l'a installé et lancé sur une machine propre en 2 minutes, en rencontrant 0 erreur en route, et a enregistré la session.
Comment Argusic a-t-il testé xiaohongshu-ai-workbench ?: Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 7c1705d28a95. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
Combien a coûté le test de xiaohongshu-ai-workbench ?: L'exécution qui a produit ce verdict a coûté 0,04 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
Combien de temps faut-il pour installer xiaohongshu-ai-workbench ?: 1,5 minute lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
xiaohongshu-ai-workbench a-t-il besoin d'un GPU ?: Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
Qu'est-ce qui pose problème lors de l'installation de xiaohongshu-ai-workbench ?: Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.
Comment xiaohongshu-ai-workbench se compare-t-il aux alternatives ?: Sur les 27 projets ai-tools qu'Argusic a installés et chronométrés, xiaohongshu-ai-workbench a été le 4e plus rapide à atteindre un état de fonctionnement, et 17 sur 27 en ont atteint un.
Où sont les preuves pour xiaohongshu-ai-workbench ?: L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.